پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,764 |
| تعداد مشاهده مقاله | 115,193,834 |
| تعداد دریافت فایل اصل مقاله | 89,941,975 |
Classification of Internet banking customers using data mining algorithms | ||
| Journal of Information Technology Management | ||
| مقاله 4، دوره 6، شماره 1، تیر 2014، صفحه 71-90 اصل مقاله (480.19 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jitm.2014.50051 | ||
| نویسندگان | ||
| Reza Radfar1؛ Navid Nezafati2؛ Saeid Yousefi Asli* 3 | ||
| 1Associate Prof., Faculty of Management and Economics, Science and Research Branch Islamic Azad University, Tehran, Iran | ||
| 2Assistant Prof., Faculty of Management and Accounting, Shahid Beheshti University, Tehran, Iran | ||
| 3MSc. in Information Technology Management, Azad University, E Campus, Tehran, Iran. | ||
| چکیده | ||
| Classifying customers using data mining algorithms, enables banks to keep old customers loyality while attracting new ones. Using decision tree as a data mining technique, we can optimize customer classification provided that the appropriate decision tree is selected. In this article we have presented an appropriate model to classify customers who use internet banking service. The model is developed based on CRISP-DM standard and we have used real data of Sina bank’s Internet bank. In compare to other decision trees, ours is based on both optimization and accuracy factors that recognizes new potential internet banking customers using a three level classification, which is low/medium and high. This is a practical, documentary-based research. Mining customer rules enables managers to make policies based on found out patterns in order to have a better perception of what customers really desire. | ||
| کلیدواژه‌ها | ||
| Data Mining؛ Decision Tree؛ Classification؛ E-Banking | ||
| عنوان مقاله [English] | ||
| طبقه‌بندی مشتریان اینترنت‌بانک با کمک الگوریتم‌های داده‌کاوی | ||
| نویسندگان [English] | ||
| رضا رادفر1؛ نوید نظافتی2؛ سعید یوسفی اصلی3 | ||
| 1دانشیار گروه مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایران | ||
| 2استادیار گروه مدیریت دولتی، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران | ||
| 3کارشناس ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران | ||
| چکیده [English] | ||
| طبقه‌بندی مشتریان با استفاده از الگوریتم‌های داده‌کاوی، بانک‌ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش‌های داده‌کاوی، درخت تصمیم‌گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می‌توان مشتریان را بهطور بهینه طبقه‌بندی کرد. در این نوشتار، یک مدل مناسب برای طبقه‌بندی مشتریان بر مبنای بهره‌گیری از خدمات اینترنت‌بانک ارائه شده است. این مدل بر اساس استاندارد CRISP-DM انجامگرفته و داده‌های مورد نیاز از پایگاه داده مشتریان اینترنت‌بانک سینا استخراج شده است. در میان سایر درختان تصمیم‌گیری، درخت تصمیم نهایی مبتنی بر معیارهای بهینگی و دقت بوده و براساس دسته‌بندی مشتریان در سه سطح بالا، متوسط و پایین، پیش‌بینی مشتریان جدیدی که متقاضی استفاده از اینترنت‌بانک هستند، شکل می‌گیرد. پژوهش پیش رو از نظر هدف، کاربردی و از نظر گردآوری داده‌ها، پژوهشی اسنادی بهشمار میرود. قوانین استخراجشدۀ مربوط به مشتریان، مدیران بانک‌ها را قادر میکند تا بر اساس الگوهای کشفشده سیاستگذاری کنند و درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند. | ||
| کلیدواژه‌ها [English] | ||
| استاندارد CRISP-DM, بانکداری الکترونیک, داده‌کاوی, درختان تصمیم‌گیری, طبقه‌بندی | ||
|
آمار تعداد مشاهده مقاله: 5,159 تعداد دریافت فایل اصل مقاله: 11,115 |
||